局部线性嵌入算法在图像处理中的应用

为了避免光照、姿态、附属物等因素对同一个图像矩阵的差异和识别的影响,采用了局部线性嵌入(LLE)算法,首先对图像库里的图像进行光照预处理,再进用LLE运算得到低维图像特征,并通过仿真实验获得了既能使图像识别避免光照等因素的影响,又能使图像识别率有了大幅度的提高,从而得到利用局部线性嵌入算法对图像进行处理的结论。     

流形学习的研究

文章介绍了流形学习基本思想和目前的最新研究成果，同时，简要叙述了流形学习算法的概念。流形学习作为一种新兴的降维手段，其目的是发现嵌入在高维欧氏空间中的低维光滑流形数据结构，并给出有效的低维表示。目前，随着计算机信息网络的飞速发展，流形学习已成为模式识别、机器学习和数据挖掘等领域的热点研究项目。     

一种基于DCT的自适应数字音频水印算法

本文提出了一种在数字音频信号中嵌入水印的算法。该算法嵌入的水印不再是传统的伪随机形式,而是一幅视觉可辨的二值图像。算法先将作为水印的二维图像降维成一维序列,然后对数字音频信号作分段离散余弦变换,最后在具体的水印嵌入过程中根据音频载体自身的特点动态调整水印嵌入强度,并在离散余弦变换域内通过修改数字音频信号的中频系数的方法实现水印的自适应嵌入。实验结果表明,该算法对重采样、重量化、有损压缩等攻击均具有很好的鲁棒性。     

特征选择在协同过滤推荐算法中的应用研究

用户-项目评分数据集的高维稀疏性使得传统的协同过滤处于"维度困境"。运用降维技术的特征变换方法的协同过滤算法虽然缩减用户-项目评分数据集规模,但在某种程度上导致信息损失。本文提出将特征选择方法和技术运用于协同过滤算法,并且给出了基于有监督特征选择的协同过滤框架及其协同过滤流程。     

基于文摘的SLDA主题模型

文本数据含有与文章内容高度相关的额外信息,而标准的LDA主题模型对这些信息没有加以利用,导致在很多文本的处理过程中出现对关键信息的遗漏的问题,降低了LDA模型的主题提取能力和数据降维能力。构建一种利用文档文摘信息的SLDA模型,在对文档建模时引入机械抽取的文摘信息,通过文摘信息对文档内容平滑,可以很全面地利用文档自身特征信息,从而提高了模型对文档的主题提取能力和数据降维能力。实验结果表明,在标准的LDA模型中引入文摘信息可以提高模型的文档主题提取能力。     

数字水印与加密技术探究

在网络环境中对信息的安全性以及版权进行有效的保护是当前亟待解决的重要问题。而数字水印技术可以将数字水印信息通过某种算法嵌入到待保护的多媒体信息中，从而达到隐藏数字水印信息的目的。本文在对数字水印和机密技术之间的关联作出论述的基础上，对机密技术在数字水印中的应用进行了分析与探讨。     

股市混沌现象中分形维及最大Lyapunov指数计算方法研究

本文采用分形维和Lyapunov指数这两个指数来研究沪市混沌特征。指出当前国内研究在利用重构空间技术和G－P算法来计算分形维，以及用Wolf算法计算最大Lyapunov指数时存在的问题，并提出了一些解决方法，有利于更好地进行股市混沌研究。     

基于t-SNE声音情报识别的可视化系统在E-learning平台应用——以鸟类音频情报识别为例

随着教育信息化的迅速发展,音频情报数据在E-learning情报系统的应用以惊人的速度得到普及。如何将信息以可视化方式呈现给用户以减轻其认知负荷,是E-learning情报系统面临的主要问题。文章的主要目标是设计与实现基于t-SNE算法的应用于鸟类辨识教育E-learning平台的数据可视化系统。该系统首先获得各种鸟类的叫声,并对获得的声音进行预处理降噪,再通过STFT算法提取声音特征,并对得到的声音特征矩阵进行向量化,最后,用t-SNE算法进行降维,从而实现数据的可视化。     

基于非线性主成分分析的信用评估模型研究

传统的主成分分析（PCA）本质上是一种线性映射算法,无法有效处理非线性关系的数据。本文在分析自联想神经网络（AANN）的基础上,借鉴传统PCA方法中的序数主成分概念,提出了基于顺序自联想神经网络（SAANN）的非线性主成分分析法（NLPCA）。进一步,结合神经网络（NN）和Logisitic模型,以我国上市公司为研究对象,分别构建了基于NLPCA-NN和NLPCA-Logisitic的信用评估模型。实证结果及ROC曲线分析表明,本文构建的NLPCA相比传统的线性PCA方法能有效地实现数据的非线性特征提取与降维,提高模型预测性能。此外,实证结果还表明,在相同PCA方法处理数据的条件下,神经网络模型的信用评估效果要好于Logisitic模型。     

有限信息条件下移动机器人路径规划方法综述

在移动机器人的相关技术研究中，也是其实现真正的智能化和完全自主移动的关键技术。传统方法多要求预知全局信息，然而实际中机器人多只能获得有限的环境信息。因此，有限信息条件下移动机器人路径规划贴近现实，是当前研究的难点与热点。根据所依赖信息层次不同，本文将路径规划算法分成三类：依赖全局信息的全局路径规划。仅依赖局部信息的局部路径规划，以及同时利用全局与局部信息的混合式路径规划。并分别就三类方法在有限信息环境下的特点进行介绍。     

一种改进的贝叶斯网算法在入侵检测中的应用研究

这种改进的贝叶斯网算法采用粗糙集理论对数据集进行降维处理,减少贝叶斯网学习的计算成本;利用互信息理论,提出一种基于互信息的贝叶斯网结构学习算法。实验表明这种算法,即提高了检测精度又提高了检测效率。     

二维判别监督LPP算法在人脸识别中的应用

一维常规LPP方法应用于人脸识别数据时,由于通常存在矩阵奇异性问题,相应特征方程不可直接求解;目前已提出了二维局部保持投影算法(2DLPP)可以解决上述问题。但需要指出的是,2DLPP是一个非监督的学习方法,其只考虑了数据的距离关系,而忽视了合理处理不同类别样本间关系的问题。本文将介绍的2DLPP改进方法——二维判别监督局部保持投影(2DDSLPP)的方法能利用监督学习的手段改进2DLPP,提高其分类性能。通过实验证明,可以大大提高识别率。     

一种基于VBA方法的文本水印算法

本文给出了一种以文本为载体,改变字符位置以及字号特征嵌入水印的方法。算法加入冗余位来记录水印的附加信息,利用循环嵌入,大大地提高了水印的鲁棒性。计算机实验结果表明,该算法可嵌入水印信息容量较大,鲁棒性较强。     

电子政务中数据整合技术的研究

电子政务是近几年来我国着手研究的热点问题。我国电子政务的发展遇到的主要难点是信息孤岛问题和电子政务的一体化问题。针对这种情况，对当前数据整合方法作了分析，提出了一种基于Web Services及分布数据整合相关技术的数据整合方案，并对一些关键性问题作了探讨。     

深度学习算法在山区植被分类中的应用

本文将深度学习技术中的卷积神经网络算法应用于遥感影像中的植被类型分类研究,模型包括卷积层,池化层以及全连接层,卷积层完成了影像中特征的提取,池化层对特征降维,最后全连接层完成植被的分类工作。针对研究使用的数据集,模型得到的94%的分类精度。     

基于机器学习模型的二手车估价问题研究

二手车价格不但受到汽车本身配置影响,还与汽车损耗、新车价格等信息有着密切的联系,因此往往难以对二手车价格进行准确估计。本文根据拉依达准则去除异常数据,利用线性插值法填补缺失值,运用XGBoost算法筛选出11个影响二手车交易价格的重要因素。在11个重要因素的基础上,运用主成分分析进行降维处理,得到四个主成分。再运用BPNN、PCA-BPNN、SVR、PCA-SVR、RF、PCA-RF六种模型对二手车交易价格进行预测。添加降维处理的模型预测效果明显优于未降维处理的模型,并且PCA-RF模型的预测效果最佳,其5%误差准确率高达29.20%。     

上证指数中的混沌现象研究

本文通过上证指数中的Lyapunov指数、吸引子的分形维数和收益率序列的功率谱三个定量指标来研究我国证券市场的混沌特征。以Takens等人提出的相空间重构理论和嵌入定理，分别采用Wolf算法和G-P算法计算了上证指数日收益率序列的最在Lyapunov指数和吸引子的分维数，并给出了收益率序列的功率谱。从而充分证实了上证指数中存在混沌特性。     

一种基于LSB的改进信息隐藏算法及实现

传统的LSB算法是将私密信息以二进制的形式嵌入到载体像素值的最低有效位,这样对图像的质量负面影响可以降到最小。本文提出了一种将过滤技术与LSB算法相结合的信息隐藏算法。利用过滤技术增强图片质量,利用LSB算法进行私密信息的嵌入。改进型的LSB算法比原算法具有更高信息存储量以及更高信息安全性等优点。     

一个信息隐藏的软件研究与设计

密文是一堆乱码，攻击者监视着信道的通信，一旦截获到乱码，就可以利用已有的对各种密码体制的攻击方法进行破译，所以信息加密保护的是信息的内容。而信息隐藏则不同，秘密信息被嵌入宿主信息中，并且不损坏宿主载体的信息，攻击者无法直观地判断他所监视的信息中是否含有秘密信息，它隐藏了信息的存在形式。因此信息隐藏领域已经成为信息安全的焦点。文章主要探讨如何把文本文件、WORD文件、JPG文件、写字板文件嵌入住图文件（．BMP）的方法及算法实现。     

基于小波变换的图像放大方法研究

图像放大是为适应特殊应用场合或为得到一个较好的视觉效果,例如突出某些细节,常常需要一种可以有效改变已有图像大小的方法,使图像放大后仍然有较高的质量。本文采用一维小波变换和二维小波变换方法,将图像信息分解成低频和高频两部分,通过放大算法,将图像数据重构成一幅信息完整的新图像。实验表明,采用本算法放大后的新图像符合客观实际,图像数据信息丰富。